| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·论文研究背景及意义 | 第9-10页 |
| ·国内外现状 | 第10-13页 |
| ·本文的主要研究内容及组织结构 | 第13-15页 |
| 第二章 相关理论基础 | 第15-31页 |
| ·并行计算技术 | 第15-22页 |
| ·并行计算机体系结构 | 第16-20页 |
| ·并行计算算法 | 第20-21页 |
| ·并行程序设计 | 第21-22页 |
| ·存储基础理论 | 第22-26页 |
| ·硬盘关键性能研究 | 第22-23页 |
| ·硬盘读写速度提升技术 | 第23-26页 |
| ·Bayer 图像解压算法优化分析 | 第26-30页 |
| ·Bayer 图像介绍 | 第26-28页 |
| ·Bayer 图像解压算法分析 | 第28-30页 |
| ·Bayer 图像解压缩优化设计 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于 GPU 的 J2K 图像解压并行优化技术 | 第31-61页 |
| ·通用 GPU 处理平台 | 第31-41页 |
| ·通用 GPU 的硬件结构 | 第32-34页 |
| ·通用 GPU 的软件架构体系 | 第34-37页 |
| ·CUDA 编程模型 | 第37-41页 |
| ·基于 GPU 的 Bayer 图像解压优化平台设计 | 第41-46页 |
| ·处理设备的性能要求 | 第42-43页 |
| ·I/O 设备的性能要求 | 第43-44页 |
| ·实际平台设计 | 第44-46页 |
| ·基于 CUDA 的 Bayer 图像解压 | 第46-52页 |
| ·线程的组织 | 第49-51页 |
| ·CUDA 编程实现 | 第51-52页 |
| ·GPU 并行优化技术研究 | 第52-59页 |
| ·基于存储模型的优化技术 | 第52-57页 |
| ·基于并行模型的优化 | 第57-59页 |
| ·实验与讨论 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于多核多线程 CPU 的 BAYER 图像解压并行优化技术 | 第61-75页 |
| ·多核多线程 CPU 并行技术 | 第61-64页 |
| ·基于 OpenMP 的并行优化技术 | 第64-72页 |
| ·OpenMP 并行执行模型 | 第64-65页 |
| ·OpenMP 的存储模型 | 第65-66页 |
| ·OpenMP 编程实现 | 第66-70页 |
| ·OpenMP 优化技术 | 第70-72页 |
| ·实验与讨论 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 基于 RAID 技术的存储技术优化 | 第75-81页 |
| ·并行存储模块 | 第75-76页 |
| ·RAID 硬盘系统组建 | 第76-79页 |
| ·文件保存系统 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-85页 |
| ·全文工作总结 | 第81-82页 |
| ·工作展望 | 第82-85页 |
| 参考文献 | 第85-87页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第87页 |
